|
授業概要
|
|
パターン認識についての学力を基礎理論、ならびに最新の応用事例の紹介で習得する。
人間の脳ではパターンの特徴化と、入力に対する認識・理解に知能がついやされている。パターン認識は、コンピュータによる音声、自然言語、画像などの認識の基礎理論である。本講義では、このような人間の知的な処理をコンピュータで実現するためのパターン認識技術の基礎理論を習得し、実例を通じて応用を学ぶ。
|
|
|
到達すべき
目標
|
|
(1) パターン認識の目的と基礎理論を習得する。
(2) ニューラルネットワークの基礎、性質、ならびに最新の畳み込みニューラルネットワークを理解する。
(3) パターン認識技術の応用先やそれを実現する方法について習得する。
|
|
|
授業計画と
準備学習
|
|
1. 身近な画像処理、パターン認識技術の応用事例紹介
2. それを実現するための基礎理論の学習
3. 講義中に演習を行うことで理解を深める。
[講義]
(1) パターン認識とは
(2) 特徴量
(3) 特徴空間とクラス
(4) 識別
(5) 識別関数
(6) 多クラス分類、教師あり学習と教師なし学習
(7) ニューラルネットワークとは。単純パーセプトロン
(8) 3層ニューラルネットワーク(1)
(9) 3層ニューラルネットワーク(2)
(10) オートエンコーダー
(11) 畳み込みニューラルネットワーク(1)
(12) 畳み込みニューラルネットワーク(2)
(13) 時系列情報の認識
(14) 認証
(15) 最新ニューラルネットワーク
|
|
|
|
授業の特色
|
|
|
|
学生のアク
ティブ・ラー
ニングを
促す取組
|
|
|
|
|
使用言語
|
|
|
|
TA，SA配置
予定
|
|
|
|
基盤的能力
専門的能力
|
|
|
|
授業時間外
の学習
|
|
|
|
成績評価の
方法
|
|
|
|
到達度評価
の観点
|
|
(1) パターン認識の基礎理論について中間の確認テスト、及び期末試験により評価する
(2) ニューラルネットワークの基礎理論とその性質について期末試験により評価する
到達事項
(1) 特徴量と特徴空間
(2) 識別問題と主要な識別方法の理解
(3) 線形識別関数と非線形識別関数
(4) 単純パーセプトロンの学習方法と識別方法、その性質
(5) 多層パーセプトロンの学習方法と識別方法、その性質
(6) 畳み込みニューラルネットワークの構造と各層の役割、その性質
|
|
|
|
テキスト
|
|
| |
|
No
|
書籍名
|
著者名
|
出版社
|
出版年
|
ISBN/ISSN
|
|
|
1.
|
『イラストで学ぶディープラーニング 改訂第2版』
|
山下隆義
|
講談社
|
2018
|
978-406513331-6
|
|
|
|
テキスト
(詳細)
|
|
|
|
|
参考文献
|
|
|
|
参考文献
(詳細)
|
|
|
|
担当教員実
務経験内容
または実践
的教育内容
|
|
|
|
実践的授業
内容等
|
|
|
|
|
備考
|
|
担当教員との連絡等については，学務情報システムの中の「オフィスアワー」
という項目に掲載しています。
|
|